Function Calling 是让大模型能够识别用户意图并返回结构化函数调用指令的能力,而不是模型主动调用函数。
大模型虽然强大,但它只能基于训练数据生成文本回复,无法:
Function Calling 打破了这个限制,让 LLM 与外部工具建立连接,极大拓展了应用边界。
💡 一句话总结 Function Calling = 大模型的"插件系统",让 AI 从"能说会道"变成"能说会做"。

用户提问 → 模型识别意图 → 返回函数调用参数 → 应用执行函数 → 模型生成最终回复场景: 用户问"深圳今天天气怎样?"
{
"messages": [
{
"role": "user",
"content": "深圳今天的天气怎样"
}
],
"tools": [
{
"type": "function",
"function": {
"name": "get_current_weather",
"description": "获取指定城市的天气",
"parameters": {
"type": "object",
"properties": {
"city": {
"type": "string",
"description": "城市名"
}
},
"required": ["city"]
}
}
}
]
}关键点:
tools: 告诉模型可用的函数列表description: 帮助模型理解函数用途(越清晰越好)parameters: 定义函数所需参数的 JSON Schema{
"choices": [{
"message": {
"role": "assistant",
"tool_calls": [{
"function": {
"name": "get_current_weather",
"arguments": "{\"city\": \"深圳\"}"
}
}]
},
"finish_reason": "tool_calls"
}]
}重点: 模型识别出要调用 get_current_weather("深圳")
// 解析模型返回,调用本地函数
string result = get_current_weather("深圳");
// 返回: "36℃,小雨"{
"messages": [
// ...前面的对话历史
{
"role": "function",
"name": "get_current_weather",
"content": "36℃,小雨"
}
]
}{
"choices": [{
"message": {
"role": "assistant",
"content": "深圳今天小雨,气温36摄氏度。"
}
}]
}误区 | 真相 |
|---|---|
❌ 模型会自动调用函数 | ✅ 模型只返回调用指令,需开发者执行 |
❌ Function Calling 是新技术 | ✅ 本质是语义识别+结构化输出 |
❌ 只有 OpenAI 支持 | ✅ 国内外主流模型均已支持 |
✅ 数据查询: 天气、股票、新闻 ✅ 系统操作: 发邮件、创建日程 ✅ 业务集成: CRM、ERP系统调用 ✅ 多步骤任务: 自动化工作流
description 判断是否调用Function Calling 的定义和调用需要手动处理较多细节, 下一节介绍如何基于MEAI 完成函数调用,具体实现敬请期待。
📚 参考资料